پیش بینی کوتاه مدت وضعیت ترافیک بر اساس روش های یادگیری ماشین مبتنی بر شبکه های عصبی مصنوعی
Publish place: کنفرانس ملی فناوری های نوین در مهندسی برق و کامپیوتر
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 1,013
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
PCCO01_133
Index date: 17 August 2018
پیش بینی کوتاه مدت وضعیت ترافیک بر اساس روش های یادگیری ماشین مبتنی بر شبکه های عصبی مصنوعی abstract
امروزه با گسترش شهرنشینی و افزایش وسایل حمل و نقل، از جمله مسایل مهم و ضروری سازمان های حمل و نقل و کنترل ترافیک شهرداری، کنترل بهینه ترافیک در داخل و خارج از شهرها میباشد. بر این اساس یکی از سیاست های کلان مسیولین شهرداری در سازمان حمل و نقل نیز کنترل بهینه ترافیک و تنظیم چراغ های راهنمایی بر اساس پیشبینی وضعیت ترافیک در معابر سطح شهر است. به منظور استخراج الگو، شناسایی و پیشبینی کوتاه مدت وضعیت ترافیک از روش های مبتنی بر شبکه های عصبی مصنوعی الهام گرفته شده از مغز انسان استفاده می شود. در این تحقیق از یکمدل بهبود یافته مبتنی بر شبکه های عصبی به منظور پیش بینی وضعیت ترافیک استفاده می شود. به منظور توسعه و بهبود این شبکه ها از مفاهیم نورون های انعطاف پذیر استفاده می شود. این نورون ها، هوشمندی بیشتری نسبت به نورون های استاتیک دارند و دارای پارامترهای قابل تنظیم با قابلیت یادگیری هستند. این قابلیت منجر به تولید ساختار و معماری پویا در رفتار و عملکرد شبکه عصبی میشود
پیش بینی کوتاه مدت وضعیت ترافیک بر اساس روش های یادگیری ماشین مبتنی بر شبکه های عصبی مصنوعی Keywords:
پیش بینی کوتاه مدت وضعیت ترافیک بر اساس روش های یادگیری ماشین مبتنی بر شبکه های عصبی مصنوعی authors
سعیده جمالی
دانشجوی کارشناسی ارشدنرم افزار کامپیوتر گروه فناوری اطلاعات ،دانشگاه آزاد واحدصفاشهر،ایران
محمدرضا فرهمند
عضو هییت علمی دانشگاه آزاد اسلامی واحد ابرکوه،ایران